Software Engineer Encyclopedia
0%
Domain 14 · Module assessment

تقييم المجال: SaaS وProduct Engineering

SaaS & Product Engineering

58 سؤال مجمّعين من دروس المجال. جاوب بصوت عالي أو اكتب إجابتك الأول، وبعدين افتح الإجابة وقارن. السؤال اللي تتعثر فيه: ارجع لدرسه من الرابط.

معيار الإتمام

تصمم SaaS multi-tenant بعزل مثبت بـ tests، وتكتب PRD صغير وخطة iterations ليه.

إزاي تستخدم الصفحة

  • ما تفتحش الإجابة قبل ما تحاول.
  • اعتبر نفسك عدّيت لو جاوبت ~80% من غير رجوع للدرس.
  • بعدها نفّذ المشروع المرتبط من صفحة المشاريع.

Multi-Tenant SaaS Architecture

هل X-Tenant-Id القادم من المتصفح دليل authorization؟
لا؛ هو selector غير موثوق ويجب ربطه بالـ authenticated principal والتحقق من membership.
لماذا Global Query Filters ليست boundary أمنية وحيدة؟
لأن raw SQL و IgnoreQueryFilters و bulk operations وبعض المسارات قد تتجاوزها؛ نحتاج tests وقيودًا إضافية وربما RLS.
(Senior) إزاي تتعامل مع noisy neighbor في AI ingestion؟
Fair queueing per tenant (weighted حسب الخطة)، concurrency limits per tenant، rate limits، budgets للـ AI، ومراقبة queue age لكل tenant.
(Staff) صمم tenancy لـ SaaS هيبيع لـ SMBs وbanks في 3 regions.
Cells لكل region (residency)، جوه كل cell pool مشترك بـ RLS للـ SMBs و silos للبنوك، control plane للـ placement والـ routing، نفس الكود والـ migrations للكل مع orchestrated rollout، و pricing بيعكس تكلفة الـ silo. و ADR بمعايير الانتقال من pool لـ silo.

فعّلت RLS والـ API لسه بيرجّع بيانات كل الـ tenants. أرجح سبب؟

Product Engineering

ما الفرق بين output وoutcome؟
Output هو ما تم بناؤه أو إطلاقه؛ outcome هو التغيير القابل للقياس في قيمة المستخدم أو العمل.
لماذا acceptance criteria يجب أن تكون observable؟
حتى يستطيع الفريق اختبار السلوك دون تخمين أو اختلاف تفسير.
(Senior) إزاي تتعامل مع ticket غامض جاي من sales لعميل كبير؟
أكلم المستخدم الفعلي أو الـ sales engineer، أحدد المشكلة مش الحل المقترح، أكتب الـ rules والحالات الحدية، أتفق على criteria وأصغر slice يتسلم ويتقاس، وأوثق القرارات.
(Staff) فريقين بيختلفوا على أولوية features، وكل واحد عنده رقم RICE. تعمل إيه؟
أوحّد تعريفات الـ reach/impact (إيراد، retention، استراتيجية)، أطلع الافتراضات اللي بتفرق، وأحوّل الـ confidence المنخفض لتجارب صغيرة قبل الالتزام. والقرار النهائي مربوط بأهداف الشركة للربع، ويتوثق مع سببه.

بدأت A/B test، وبعد 3 أيام الـ dashboard بيقول «treatment أحسن، p < 0.05». كنت مخطط لأسبوعين. تعمل إيه؟

Agile

هل story points تمثل ساعات عمل؟
لا؛ هي تقدير نسبي للحجم/التعقيد/عدم اليقين داخل الفريق وليست مقياسًا للأفراد.
ما فائدة WIP limits؟
تقليل multitasking وكشف bottlenecks وتحسين flow بدل بدء أعمال أكثر من قدرة الفريق على إنهائها.
(Senior) إزاي تقدّر شغل AI غير مؤكد؟
Timebox بهدف قابل للقياس على eval set، والنتيجة قرار (go/pivot/stop)؛ وبعد ما الـ approach يثبت، التقسيم والتقدير بيبقوا زي أي شغل.
(Staff) الـ org كلها بتشتكي إن الـ delivery بطيء. تبدأ منين؟
بيانات: cycle time مقسّم لمراحل، WIP، الانتظار في review/QA/deploy، حجم الـ PRs، تكرار الـ deploys (DORA). غالبًا المشكلة طوابير و WIP و batch size مش سرعة الأفراد. أختار تغيير واحد أو اتنين، أقيس، وأكرر.

مديرك عايز تاريخ تسليم واحد. الـ forecast: 50% خلال 10 أسابيع، 85% خلال 11، 95% خلال 12. تقول إيه؟

الفريق عنده 25 مهمة «in progress» لـ 5 أشخاص، والـ cycle time بيزيد كل sprint. أول إجراء؟

Career Readiness: 16-Week Plan and Hiring Preparation

احكيلي عن مشروع فخور بيه. إيه أصعب قرار تصميم؟
اختار مشروع حقيقي واحكي: المشكلة، بدائل شفتها (مثلًا repository مقابل DbContext مباشرة)، ليه اخترت، وإيه التكلفة. المُقابِل بيقيس قدرتك على تبرير القرار مش اسم التقنية.
إزاي تتعامل مع bug مش فاهمه؟
أعيد إنتاجه بأصغر مثال، أقرا stack trace، أضيق النطاق (bisect)، أستخدم logging و breakpoints، أقرا الـ documentation، وبعدين أسأل بسؤال فيه expected و actual (راجع Developer Workflow).
استخدمت AI في مشروعك؟ إزاي؟
أيوه كمساعد: أراجع الكود المولّد، أتحقق من الـ API من الـ documentation الرسمي، وأكتب اختبارات قبل الاعتماد عليه. المسؤولية عن الكود عليا مش على الأداة.
إيه نقطة ضعفك التقنية الحالية؟
اختار نقطة حقيقية وخطة محددة لعلاجها (مثلًا: system design — بحل مسألة أسبوعيًا ومراجعتها).

Interview Bank and Capstone Rubric

C#: الفرق بين class وstruct؟
class reference type بيتخزن على الـ heap والمتغير بيشاور عليه؛ struct value type بيتنسخ عند التمرير ومناسب للبيانات الصغيرة الغير قابلة للتغيير. الاختيار بيأثر على الـ copying والـ allocations.
OOP: ايه الفرق بين abstract class وinterface؟
interface عقد (سلوك) بدون حالة بتتنفذ في أكتر من class بدون وراثة؛ abstract class ممكن يحتوي حالة وتنفيذ مشترك ووراثة واحدة. استخدم interface لما فيه سلوك متعدد التنفيذ، و abstract لما فيه كود مشترك فعلي.
إمتى fine-tuning؟
لما المشكلة سلوك/شكل/تكلفة على مهمة ضيقة ومتكررة، بعد ما prompting و RAG اتقاسوا ومش كفاية، ومع eval قبل/بعد عادل و regression suite. مش لإضافة معرفة بتتغير.
اشرح KV cache وأثره على الـ capacity.
Keys/values للـ tokens السابقة بتتخزن عشان الـ decode يعالج token جديد بس؛ الذاكرة = 2×layers×kv_heads×head_dim×bytes لكل token، وده بيحدد عدد الطلبات المتزامنة. PagedAttention و quantization و GQA بيحسّنوه.

AI in Multi-Tenant SaaS

(Senior) عميل EU طلب ضمان إن بياناته ما بتتستخدمش في تدريب موديلات. تعمل إيه؟
تتأكد من شروط الـ provider (enterprise/API terms غالبًا بتمنع الاستخدام في التدريب، وراجع الـ data retention للـ abuse monitoring)، تستخدم deployment في EU، توثق ده في DPA و sub-processor list، وتتأكد إن الـ golden sets والـ fine-tunes بتاعتك ما بتاخدش بيانات العميل من غير موافقة مكتوبة.
(Junior) ليه ما نخزنش مفاتيح العملاء في الـ DB؟
لأن أي تسريب للـ DB أو backup يكشفها؛ الـ secrets manager بيوفر تشفير وصلاحيات و audit و rotation، والـ DB فيه مرجع بس.
(Senior) إزاي تسمح بتخصيص الـ assistant لكل tenant بأمان؟
Structured settings محدودة ومُتحقق منها، prompt layering بأولوية ثابتة، التخصيص الحر يتعامل كمحتوى tenant، و security suite لكل نوع تخصيص.
(Staff) صمّم AI platform لـ SaaS فيه pool وsilos و3 regions وBYOK.
Control plane: placement، settings، keys refs، budgets. Data plane لكل region (cell): DB/vectors/blobs، AI gateway بـ endpoints إقليمية و fallback إقليمي، BYOK resolver. Policy layer موحد (prompt layers، tool gates، output policy). Observability لكل region بنفس الـ conventions. Offboarding و migration كـ orchestrators. وتسعير بيعكس تكلفة الـ silo والـ BYOK support.

Tenant enterprise عايز يكتب system prompt حر. إيه التصميم الأسلم؟

مفتاح BYOK بتاع tenant وصل حده (429). إيه السلوك المناسب افتراضيًا؟

Billing & Subscriptions

(Junior) ليه بنستخدم decimal للفلوس؟
لأن double بيمثل الكسور العشرية بشكل تقريبي (0.1 + 0.2 ≠ 0.3)، والفروق دي بتتراكم في الفواتير. decimal دقيق للكسور العشرية.
(Senior) صمّم webhook handler للـ billing.
التحقق من التوقيع، idempotency بـ unique event id في نفس الـ transaction، ack سريع ونقل الشغل لـ queue، order tolerance (version/timestamp أو re-fetch)، تحديث الـ entitlements، monitoring للفشل، و reconciliation دوري.
(Senior) إزاي تسعّر AI feature في SaaS؟
قيس التكلفة لكل وحدة قيمة من الـ ledger، اختار وحدة مفهومة للعميل، hybrid (حصة في الخطة + overage أو credits)، limits تحمي الهامش، وراجع الـ margin لكل tenant شهريًا.
(Staff) الـ AI costs بقت 40% من الإيراد. خطة 90 يوم؟
رؤية: margin لكل tenant/feature من الـ ledger. Quick wins: caching، max tokens، routing (بـ eval). تسعير: حصص و overage للعملاء الجدد، ومفاوضة للـ outliers. منصة: gateway موحد بـ budgets. متوسط المدى: distillation/self-host للحجم الكبير الثابت. ومقياس نجاح متفق عليه مع المالية.

وصل event customer.subscription.updated (status=active) بعد event أحدث فيه status=canceled بسبب إعادة المحاولة. الكود بيطبّق الـ payload مباشرة. النتيجة؟

فين المكان الصح لفرض حد «5 مستخدمين في الخطة Starter»؟

Engineering Leadership for Senior & Staff

(Senior) إزاي بتقلل المخاطر في release كبير؟
Trunk-based بـ flags، PRs صغيرة، expand/contract migrations، canary بـ SLO checks و rollback تلقائي، runbook، وتوقيت مناسب مش يوم الخميس بالليل.
(Senior) احكي إزاي بتكتب postmortem.
Timeline، أثر بأرقام، root cause وعوامل مساهمة في النظام من غير لوم، إيه اللي اشتغل، action items بـ owners ومواعيد ونوع، ومتابعة.
(Staff) إزاي بتقرر تستثمر في تقليل tech debt مقابل features؟
Debt بلغة الأثر (وقت، حوادث، فلوس)، تركيز على المسار الساخن، portfolio بنسبة ثابتة تقريبًا من السعة، وربط السداد بـ features بتلمس نفس المنطقة.
(Staff) إزاي بتأثر على فرق مش تحت إدارتك؟
بيانات عن مشكلة مشتركة، RFC، pilot ناجح مع فريق متحمس، تخلي الطريق الصح أسهل (tooling، templates)، وتشارك النجاح. والصبر: الـ adoption بيبقى تدريجي.

RFC فيه خيار واحد بس ومكتوب بعد ما الكود اتعمل. المشكلة؟

الإدارة عايزة تكافئ الفرق على deployment frequency. إيه الخطر؟

SaaS Operations at Scale

(Senior) إزاي تعمل schema migration بدون downtime؟
Expand/contract، عمليات non-blocking، backfill بـ batches، الكود متوافق مع النسختين، flags للتحويل، ومراقبة الـ locks والـ lag.
(Senior) صمّم outgoing webhooks.
Event ← outbox ← delivery worker بـ HMAC signature و timestamp و delivery id، timeouts قصيرة، backoff بسقف، DLQ، تعطيل endpoints الفاشلة، delivery log و replay للعميل، SSRF protection.
(Staff) إمتى تنقل لـ cell-based architecture؟
لما blast radius الحوادث بقى غير مقبول، أو residency، أو حدود scaling لنظام واحد، والفريق عنده نضج في الأتمتة. أبدأ بـ router + cell واحدة، أتمتة الـ provisioning والـ migrations والـ observability عبر cells، وبعدين cell تانية لعملاء جدد قبل نقل القدام.

الـ offboarding job وقع بعد مسح الـ vectors وقبل مسح الـ SQL. إعادة التشغيل بتعمل إيه في التصميم الصح؟

عميل سجّل webhook URL = http://10.0.0.5/admin. إيه الصح؟

Master Capstone: Enterprise AI Knowledge Assistant (Multi-Tenant SaaS)

ليه الـ subscription عندك mirror ومش بتسأل الـ provider في كل request؟
عشان الـ latency والـ availability: outage عند الـ provider ما يبقاش outage عندنا. الـ mirror بيتحدث من webhooks بعد re-fetch، وفيه reconciliation يومي كشبكة أمان، والـ entitlements من policy واحدة مختبرة.
إزاي ضمنت إن حد الـ 50 مستند ما يتعداش بطلبين متزامنين؟
العدّ والإنشاء تحت lock قصير لكل tenant+meter (Redis)، والعدّ من الـ DB نفسها مش من cache، فما فيش نافذة بين القراءة والكتابة. والـ UI ما بيقررش حاجة.
لو الـ traffic زاد 50 مرة؟
الـ bottleneck الأول: rate limits الـ provider والتكلفة ← caching (prompt prefix + response cache بـ tenant/ACL/version)، routing (RFC-0001)، budgets. بعدها: الـ retrieval للـ tenants الكبيرة (partial indexes/partitions)، workers أكتر للـ ingestion، read replicas، وفي الآخر cells لكل region.
إيه اللي هتعمله في أول أسبوعين لو المشروع ده بقى منتج حقيقي؟
RLS tests على Postgres حقيقي في CI، startup check يرفض التشغيل لو الـ DB user بيتخطى RLS، tenant offboarding orchestrator مع verifier، توسيع الـ golden set و judge معاير، ودمج الـ e2e في الـ gate.

AI Product Engineering & Evaluation

(Mid) الإجابات بقت أغلى 40% الأسبوع ده من غير تغيير في الكود. تدوّر فين؟
cost per request breakdown: هل الـ input tokens زادت (مستندات أطول اتضافت فبقت chunks أكبر، top-k اتغير في config، history أطول في المحادثات)؟ هل الـ routing بقى يبعت لموديل أغلى (fallback بسبب أعطال)؟ هل الـ cache hit ratio وقع؟ هل retries زادت؟ الـ traces بالـ tokens لكل خطوة بتجاوب في دقايق.
(Senior) إمتى تعمل الفعل automatic من غير approval؟
لما يكون reversible بسهولة، أثره محدود (مبلغ صغير، سجل واحد)، الـ policy واضحة وقابلة للفحص آليًا، والـ eval بيثبت دقة عالية على حالات حقيقية. غير كده approval، مع مراجعة دورية لنسبة الموافقة: لو 99% بيتوافق عليهم من غير تعديل، ممكن ترفع الحد تدريجيًا.
(Senior) صمّم UX لـ agent بيعمل أفعال في حساب العميل.
Plan مرئي قبل التنفيذ، drafts قابلة للتعديل، موافقة بتعرض المعطيات الفعلية لكل فعل خارجي، سجل نشاط بالأفعال المنفذة مع undo لو ممكن، وحالات واضحة للانتظار والفشل والتصعيد لإنسان.
(Staff) org عايزة «AI في كل حتة» السنة دي. إزاي توجّه؟
معيار اختيار: مشكلة مستخدم حقيقية + بيانات + طريقة قياس. منصة مشتركة (gateway، eval، UX components للـ streaming/citations/degraded)، acceptance criteria إحصائية إجبارية، و portfolio review كل ربع بيقفل الـ features اللي ما حققتش قيمة. أفضل 3 features ناجحة أحسن من 15 demo.

الـ agent اقترح refund بـ 5,000 جنيه والـ policy بتقول approval فوق 1,000. المدير وافق بعد 30 ساعة والـ expiry 24 ساعة. الصح؟

الـ LLM provider واقع. إيه أحسن سلوك للـ chat feature؟